Camera-Driven Probabilistic Algorithm for Multi-Elevator Systems

Bapin, Yerzhigit; Alimanov, Kanat; Zarikas, Vasilios

doi:10.3390/en13236161

Cited by 13 publications

(8 citation statements)

References 10 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…After completing all the settings, we ran Elevate and obtained the baseline profiles (for the LunchPeak and UpPeak), which were used to generate uncertain traffic profiles. Note that a set of values for passengers' Arrival Time, Arrival Floor and Destination Floor are generated by Elevate based on a selected traffic template, which models passengers' activities in reality based on multiple surveys of operational elevators in buildings conducted by Peters Research Ltd 7 . Therefore, the distribution of traffic follows a real-world distribution.…”

Section: Generation Of Uncertain Traffic Profiles (mentioning

confidence: 99%

“…Software uncertainty has also been considered recently. For instance, to reduce passengers' waiting time, Bapin et al [7] proposed an optimization algorithm for elevator dispatching using the information obtained from a real-time surveillance video processed by an image processing system, which estimates the number of passengers waiting for an elevator in hallway and predicts passengers' movement directions. The proposed method takes into account the uncertainty due ACM Trans.…”

Section: Elevator Uncertaintymentioning

confidence: 99%

“…https://elevate.helpdocsonline.com/peters-research-cibse-modern-office-lunch-peak 6 https://elevate.helpdocsonline.com/peters-research-cibse-modern-office-up-peak7 https://peters-research.com ACM Trans. Softw.…”

mentioning

confidence: 99%

See 2 more Smart Citations

Uncertainty-Aware Robustness Assessment of Industrial Elevator Systems

Han

Ali

Yue

et al. 2023

ACM Trans. Softw. Eng. Methodol.

View full text Add to dashboard Cite

Industrial elevator systems are commonly used software systems in our daily lives, which operate in uncertain environments such as unpredictable passenger traffic, uncertain passenger attributes and behaviors, and hardware delays. Understanding and assessing the robustness of such systems under various uncertainties enable system designers to reason about uncertainties, especially those leading to low system robustness, and consequently improve their designs and implementations in terms of handling uncertainties. To this end, we present a comprehensive empirical study conducted with industrial elevator systems provided by our industrial partner Orona, which focuses on assessing the robustness of a dispatcher, i.e., a software component responsible for elevators’ optimal scheduling. In total, we studied 90 industrial dispatchers in our empirical study. Based on the experience gained from the study, we derived an uncertainty-aware robustness assessment method (named UncerRobua ) comprising a set of guidelines on how to conduct the robustness assessment and a newly proposed ranking algorithm, for supporting the robustness assessment of industrial elevator systems against uncertainties.

show abstract

Section: Generation Of Uncertain Traffic Profiles (mentioning

confidence: 99%

Section: Elevator Uncertaintymentioning

confidence: 99%

See 1 more Smart Citation

Uncertainty-Aware Robustness Assessment of Industrial Elevator Systems

Han

Ali

Yue

et al. 2023

ACM Trans. Softw. Eng. Methodol.

View full text Add to dashboard Cite

show abstract

“…Camera-based (infrared and optical cameras) are used in [3,8,9,34,35,36] alongside machine learning to carefully analyze capture image frames for occupancy detection and estimation in commercial and residential buildings. The fusion modalities are considered to differentiate human occupancy and other object emitting thermal heat in the environment and support night vision prediction.…”

Section: Literature Reviewmentioning

confidence: 99%

Comparative Analysis of Machine Learning Methods for Non-Intrusive Indoor Occupancy Detection and Estimation

Aliero¹,

Pasha²,

Toosi³

et al. 2021

Preprint

View full text Add to dashboard Cite

Occupancy-driven application research has been active research for a decade that focuses on improving or replacing new building infrastructure to improve building energy efficiency. Existing approaches for HVAC energy saving are putting more emphasis on occupancy detection, estimation, and localization to trade-off between energy consumption and thermal comfort satisfaction. In a non-intrusive approach, various sensors, actuators, and analytic data methods are commonly used to process data from occupant surroundings and trigger appropriate action to achieve the task. However, the performance of the non-intrusive approach reported in the literature is relatively poor due to the lack of quality of dataset used in model training and expropriate choice of machine learning model. This study proposed a non-intrusive approach that to improve the collection and quality of dataset using data pre-processing. The study collected a training dataset using various sensors installed in the building and developed a model using five machine learning models to determine occupant’s presence and estimate their number in the building. The proposed solution is tested in the living room with a prototype system integrated with various sensors designed to obtain occupant surrounding environmental datasets. The model’s prediction results obtained indicate that it is possible for the proposed solution to obtain data, process, and predict the occupant number with high accuracy (73.6 -99.7% using random forest).

show abstract

“…Maliyet fonksiyonu olarak enerji maliyeti(COE), seviyelendirilmiş enerji maliyeti (LCOE), toplam yıllık maliyet (TAC), toplam maliyet (TC), Net Bugün ki Değer (NPV) parametreleri birçok araştırmacı tarafından kullanılmıştır [8]. Güvenilirlik parametresi olarak; güç kaynağı olasılığı kaybı (LPSP), Beklenen Sağlanmayan Enerji (EENS) [9,10], Yük Kaybı Olasılığı (LOLP), Beklenen yük kaybı (LOLE), Beklenen Enerji Kaybı (LOEE), Eşdeğer Kayıp faktörü (ELF), Güç Eksikliği Tedarik Olasılığı (DPSP), Yenilenebilir Enerji Oranı (REF), Temin Edilmeyen enerji (ENS), Enerji Endeksi Oranı (EIR), Güç Kaynağı Eksikliği (DPS), Yük Kaybı Olasılığı (LLP) [11], Yük Kaybı (LOL), Beklenen Hizmet Almamış Enerji (EUE), parametreleri kullanılmaktadır. Güvenilirlik parametresi olarak birçok araştırmacı güç kaynağı olasılığı kaybı (LPSP), Göreceli Fazla Yük Üretimi (REPG)parametresini tercih etmektedir.…”

Section: Giriş (Introduction)unclassified

Parçacık sürü optimizasyonu temelli ultra hızlı yenilenebilir enerji kaynağı optimizasyon aracı tasarımı

Altın

2024

Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi

View full text Add to dashboard Cite

Bu çalışmada, Hibrit Yenilenebilr Enerji Siatemleri optimizasyonunda kullanılmak üzere bu alanda en sık kullanılan HOMER programının olumsuz yönlerini bertaraf eden metasezgisel Parçacık Sürü Optimizasyonu tabanlı optimizasyon aracı tasarımı yapılmıştır. Güvenilirliğinin ortaya konması nedeniyle aynı yükü beslemek için gerekli hibrit sistem, hem geliştirilen araç ile hemde HOMER optimizasyon yazılımı ile optimize edilerek sonuçlar karşılaştırılmıştır. İşlem hızı bakımından yapılan karşılaştırmada aynı sistemi optimize etmede, HOMER yazılımının 936 saniyede elde etmiş olduğu sonucu 17 saniyede elde ederek tasarlanan sistemin daha hızlı sonuca ulaştığı görülmüştür. Ekonomik yönden yapılan karşılaştırmada ise iki ayrı aracın yapmış olduğu optimizasyon sonucunda; Enerji maliyetinde 1.737 % , Toplam Net Bugün ki Maliyette 0.85 % ve Başlangıç Sermayesinde ise 1.895 % lik fark bulunmakta olup sonuçlar arasında önemli bir farkın bulunmadığı gözlenmiştir. Elektriksel sonuçların kıyasında ise Beslenen yüklerde 0.031 %, Beslenemeyen yüklerde 1.071 % lik fark çıkmış olup elektriksel anlamda da sonuçların güvenilirliği ortaya konmuştur. Sonuçlar bu alandaki detaylı optimizasyon çalışmaları için umut vericidir. Ayrıca HOMER yazılımının sunmakta olduğu, ekonomik ve elektriksel detaylar, gerçeği temsil eden özgün bir sevk stratejisi sayesinde tasarlanan araç ile de kullanıcıya sunulmaktadır. Güvenilirlik parametresi olarak HOMER yazılımının içerdiği fakat daha önce metasezgisel algoritmalarla yapılan optimizasyon süreçlerinde hiç kullanılmamış olan kapasite eksikliği parametresi kullanılmaktadır. Kapasite eksikliği parametresi ilk defa metasezgisel algoritma ile yenilenebilir enerji kaynaklarının optimizasyonunda kullanılmıştır. Maliyet fonksiyonu olarak Enerji Maliyeti kullanılmıştır. Kısacası HOMER programına alternatif çok daha hızlı sonuca ulaşabilen ve HOMER programındaki hassasiyet, hantallık ve zorlu arama uzayı oluşturma süreçlerini bertaraf eden özgün, güvenilir bir optimizasyon aracı tasarlanmıştır. Bu araç sayesinde ayrıca, vekil modelleri, makine öğrenmesi veya derin öğrenme tabanlı optimizasyon sistemlerini eğitmek için gerekli optimizasyon çıktıları çok hızlı bir şekilde elde edilerek fazla sayıda veri üretilmesi kolaylaşacaktır.

show abstract

Camera-Driven Probabilistic Algorithm for Multi-Elevator Systems

Cited by 13 publications

References 10 publications

Uncertainty-Aware Robustness Assessment of Industrial Elevator Systems

Uncertainty-Aware Robustness Assessment of Industrial Elevator Systems

Comparative Analysis of Machine Learning Methods for Non-Intrusive Indoor Occupancy Detection and Estimation

Parçacık sürü optimizasyonu temelli ultra hızlı yenilenebilir enerji kaynağı optimizasyon aracı tasarımı

Contact Info

Product

Resources

About